基于模糊识别的高速公路交通拥挤预测算法

在分析影响交通拥挤因素的基础上,提出了一种基于模糊识别的交通拥挤状态预测算法,并对算法进行了模拟测试。测试结果表明:该算法实时性好,准确性高,可作为高速公路交通控制与诱导等管理手段的可靠依据。     

基于模糊C均值算法的城市快速路交通状态识别

针对城市快速路交通状态划分问题,提出一种改进的模糊C-均值(FCM)算法.为了解决FCM算法对初始聚类中心敏感、聚类前必须对聚类数和模糊加权指数给出恰当赋值等问题.首先采用减法聚类得到最大聚类数及相应的初始聚类中心,然后基于模糊决策的方法优选参数m,最终将聚类有效性函数融入FCM聚类,动态确定交通状态的分类.对上述方法通过Matlab6.5编程得出结果,对比分析表明提出的方法能够提高城市快速路交通流状态的分类效果.     

基于模糊算法的高速公路匝道控制方法

针对高速公路交通拥挤和堵塞问题，提出用模糊控制的方法，在拥挤和堵塞形成之前控制匝道的入口流量，避免交通拥挤和堵塞的形成。分析了交通流的构成和自然条件对交通的影响，然后设计出匝道模糊控制的基本结构，并给出了确定交通状态参数的模糊算法。     

基于FCM快速路交通状态判别加权指数研究

加权指数m是影响模糊C名)值聚类(fuzzy Cleans,FCM)的一个关键参数,为提高快速路交通状态模糊判別性能,针对m取值的问题提出了一种兼顾算法判別精度和聚类效果的优选方法。该方法以流量、速度为交通状态评价参数在不同加权指数m和样本量n下进行聚类分析,从算法判別精度、类内间距、类间间距、目标函数收敛性四个方面对m的最优取值进行了深入研究。以某市快速路为例別用MATLAB模糊逻辑工具箱分析实验数据的隶属度和聚类中心,以上四个方面在n×m种组合情形下综合分析,得出快速路交通状态模糊判別m的最优取值,并进一步验证了该方法的可行性。实验结果表明,以流量、速度为状态评价参数的快速路交通状态模糊判別加权指数m的最佳取值为2.25。     

基于权值优化的FCM-MSVM算法及其在高速公路状态判别中的应用

高速公路实时交通状态的准确判别是科学制定交通管理策略的重要基础.本文以实测的高速公路交通流三特征参数的数据作为输入,引入熵权法刻画参数之间重要程度的差异,利用改进的FCM算法对特征参数进行聚类,根据不同交通状态的结果,建立基于多分类器支持向量机的交通状态判别模型,并分别采用网格搜索法、遗传算法和粒子群算法对支持向量机参数进行优化,从而提高模型的判别准确率.最后选取实际数据对本文模型进行验证,判别结果的分类准确率可达96.3980%.     

基于收费数据的高速公路交通状态判别方法

目前高速公路交通数据资源未得到充分利用,使得管理和建设成本较高的高速公路联网收费系统只能实现车辆记录、联网收费等初级功能,导致交通数据资源的严重浪费． 为此设计了基于高速公路联网收费数据的路段行程时间估计方法,提出以大、小车速度变化情况为基础,采用模糊 C-均值聚类方法对高速公路交通状态进行判别,并应用VISSIM 软件分别对上述两种方法验证分析． 结果表明,路段行程时间估计方法能够获得高质量的路段行程时间数据,同时交通状态判别方法也能够准确判别出道路上所呈现的交通状态,可为历史数据更新提供技术支持,为高速公路交通管理部门提供精确的决策依据．     

基于门架数据的高速公路运行状态评价研究

高速公路信息化建设日益完善,为了能够更加详尽地掌握高速公路的交通状态,以济青高速为研究对象,通过挖掘门架数据,设计了k均值聚类算法和基于密度的噪声应用空间聚类算法相结合的两阶段聚类方法来识别驶入服务区车辆和异常行驶的车辆,再结合各车型流量占比加权的交通状态指数,从时间和空间维度分析高速公路路段交通状态。研究结果表明,两阶段聚类算法有着很好的识别效果,通过交通状态指标发现在7:00—20:00时段高速公路存在3个交通状态较拥堵的时段,精确地识别出高速公路中交通状态较拥堵的路段,并且发现路段的大车混入率与交通拥堵程度呈现密切的正相关的趋势,最后依据交通状态指数将济青高速路段交通状态划分为4个不同的等级,为交通管理部门提供了路段交通状态评估的技术支持。     

基于免疫模糊聚类算法的电网抗差状态估计

提出了一种基于免疫进化模糊聚类算法的电网抗差状态估计方法.该方法首先计算出量测数据的标准残差rN和相邻采样时刻量测值之差Δz,初步将量测数据划分为可疑数据和可靠数据.分别在0.5～1和0～1之间随机生成可靠数据和可疑数据的隶属度,形成初始分类矩阵,克服了整个分类矩阵在0～1之间随机生成的缺陷,并大大加快了算法的收敛速度.之后以γN和△z为特征值,应用免疫进化算法对分类矩阵进行模糊聚类,以获得各个量测量的良数据隶属度.依据各个量测量的良数据隶属度,进一步将量测数据划分入淘汰区、降权区、保权区进行状态估计.该方法能获得较高的抗差能力和状态估计精度,且数值稳定性较好.对IEEE14节点系统的算例仿真表明了该方法的有效性.     

高速公路交通状态检测与控制系统

根据我国高速公路现状对高速公路交通状态检测与控制系统进行了研究.     

城市环路交通状态自适应判别方法

针对城市环路交通拥挤问题,提出基于模糊C均值聚类与灰色聚类的交通状态自适应判别算法.首先运用模糊C均值聚类对交通状态边界进行划分,得到各个交通状态的门阀值,进而利用灰色聚类模型对交通状态进行判别,避免聚类方法容易陷入局部最优解的问题,同时减少灰色聚类参数设定的主观性.通过对福州二环路实测交通流数据的计算分析表明,不同路段的交通状态存在显著差异,城市环路交通状态自适应判别方法能够较好地针对不同路段判别交通状态.     

交通流状态辨识系统集成研究

交通流状态辨识是智能运输系统,尤其是其先进的交通管理系统和先进的出行者信息系统研究的一项重要内容。对道路交通流状态进行分析研究,深入挖掘交通流动态信息,及时、准确地辨识未来和实时交通流状况,是制定正确诱导和控制措施的一个重要前提。根据我国制定的"国家智能运输系统体系框架",以动态交通管理为基本思想,构建了交通流状态辨识系统框架。介绍了在交通流状态辨识中所采用的一些新技术,利用实测数据以及交通仿真系统VISSIM的模拟数据分别对所建立的算法进行验证,结果表明本文所建立的算法和模型具有较好的性能,为交通流状态辨识提供了新的研究方法。     

交通标志的检测与识别研究综述

车辆的增多造成了交通事故的多发,智能技术有利于解决这一问题,交通标志牌识别系统应运而生。TSR通过对道路上的交通标志牌准确检测和识别,有效提示驾驶员规范和安全行驶,减少交通事故的发生。本文归纳总结近几年学者们的研究成果,利用交通标志牌的特征和有效的方法对其进行高效检测和识别,提高检测和识别的实时性和准确性。     

高速公路路面识别技术研究

根据高速公路路面的基本特征,通过分道线特征点投影位置的计算,提取出了比较完整的当前车道分道线特征点。建立道路边缘灰度模型,采用Gabor变换多分辨率的特点,对图像按方向进行滤波处理。实现道路边缘线检测和拟合。实验结果表明,所讨论的方法在工程实践中有实际应用价值。     

中国日本国公路交通安全生产法规比较

建立与国际接轨的公路交通法规和克服不良驾驶习惯,已成为当前公路交通安全生产的重要课题。分析了中国、日本国交通法规中安全相关条文的差异。借鉴日本国公路交通法规的有益经验,着重分析我国公路交通安全方面存在的问题,寻找科学的解决方法,以求建立符合国际潮流的公路交通法规。指出：需重新修订我国交通管理法规中安全生产条文使之与国际接轨、将管理区域内的交通安全状况纳入责任考核。     

基于BP神经网络的行人和自行车交通识别方法

研究了基于BP神经网络的行人和自行车识别方法.首先对图像提取4个特征,形成特征向量作为BP神经网络的输入;然后设计BP神经网络的结构,网络输出为对行人和自行车的识别;为了确定BP神经网络合理的隐层神经元数目,分别对不同隐层神经元数目的神经网络进行了实验分析.最后利用实测的数据对BP神经网络进行训练、仿真实验,并对实验结果进行分析;结果表明:最佳网络的正确识别率为84%,行人和自行车的正确识别率分别为89%和71%.     

基于自监督学习的交通数据补全算法

区域高速公路网收费站数量众多,每日产生海量收费数据,但由于设备、网络等因素,部分站点数据传输存在延迟现象,在此情况下已传输的数据往往不能满足实时流量预测的要求。为了实现实时交通数据补全和动态交通流量预测,文中首先提出了一种基于自监督学习的用于高速公路交通流量数据缺失补全的方法,该方法采用了基于注意力机制的时间序列模型（Seq2Seq-Att）;然后使用自监督学习方式对模型进行训练;最后,以广东省高速公路网的80个收费站为例,验证方法的可靠性。结果表明：文中的数据补全方法能够灵活捕捉交通数据中的缺失情况,并根据数据自身的内在关联性,给出合理的补全值;该方法总体优于其他方法,且在不同缺失率下都有较好表现,总体MAPE约为17.7%、WMAPE为12.8%;在高缺失率情况下,该方法相比于其他补全方法有明显的优势。交通量预测结果表明,使用该方法补全的数据进行交通流预测的预测精度接近使用完整数据的情况。     

高速公路收费模式的研究

提出了制定高速公路收费模式应遵循的三个目标：效益，收益和公平目标。结合沪嘉高速公路收费模式，从经济效益，财务收益和使用者效益分析角度，提出了制定和评价高速公路收费模型的程序和方法。     

C-HMAX: Artificial Cognitive Model Inspired by the Color Vision Mechanism of the Human Brain

Artificial cognitive models and computational neuroscience methods have garnered great interest from both neurologist and leading analysts in recent years. Among the cognitive models, HMAX has been widely used in computer vision systems for its robustness shape and texture features inspired by the ventral stream of the human brain. This work presents a Color-HMAX (C-HMAX) model based on the HMAX model which imitates the color vision mechanism of the human brain that the HMAX model does not include. C-HMAX is then applied to the German Traffic Sign Recognition Benchmark (GTSRB) which has 43 categories and 51 840 sample traffic signs with an accuracy of 98.41%, higher than most other models including linear discriminant analysis and multi-scale convolutional neural network.     

复杂过程分析的模糊聚类分类器设计及其性能

本文采用模式识别方法推断烧结矿质量。在给出模糊系统聚类分析法基础上，用软件实现了基于模糊聚类分类器和动态聚类分类器，并用现场实测的样本采用“留一法”分别对这两种分类器性能进行检验。结果表明：模糊聚类分析法对于先验知识较少，样本量不大时，性能较佳。     

基于多尺度卷积神经网络的交通标志识别

针对自然场景中交通标志识别问题涉及的识别准确率和实时性改善需求,提出了一种改进的基于多尺度卷积神经网络(CNN)的交通标志识别算法.首先,通过图像增强方法比选实验,采用限制对比度自适应直方图均衡化方法作为图像预处理方法,以改善图像质量.然后,提出一种多尺度CNN模型,用于提取交通标志图像的全局特征和局部特征.进而,将组合后的多尺度特征送入全连接SoftMax分类器,实现交通标志识别.采用德国交通标志基准数据库(GTSRB)测试了所提算法的有效性,测试结果表明,算法在GTSRB基准数据集上获得98.82%的识别准确率以及每幅图像0.1ms的识别速度,本文算法具有一定的先进性.